大數(shù)據(jù)處理方法與電信客戶價(jià)值管理

定　價(jià)：￥69.00

作　者：	鄧維斌著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘數(shù)據(jù)庫

購買這本書可以去

ISBN：	9787121394560	出版時(shí)間：	2020-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	212	字?jǐn)?shù)：

內(nèi)容簡介

　　近年來，大數(shù)據(jù)已在公共管理、醫(yī)療衛(wèi)生、金融與商務(wù)等領(lǐng)域得到了廣泛應(yīng)用。如何對(duì)海量和高速增長的數(shù)據(jù)進(jìn)行有效處理以及如何針對(duì)不同領(lǐng)域特點(diǎn)有效應(yīng)用大數(shù)據(jù)，倍受廣大科研工作者的廣泛關(guān)注。本書集結(jié)了作者近年來在大數(shù)據(jù)及其應(yīng)用領(lǐng)域的研究成果，針對(duì)大數(shù)據(jù)高效處理問題，從點(diǎn)排序識(shí)別聚類、多標(biāo)簽排序、不平衡數(shù)據(jù)采樣、主動(dòng)學(xué)習(xí)、增量學(xué)習(xí)等方面研究并設(shè)計(jì)了相關(guān)算法。在此基礎(chǔ)上，對(duì)大數(shù)據(jù)環(huán)境下電信客戶價(jià)值評(píng)價(jià)、客戶換機(jī)預(yù)測和客戶流失預(yù)測等問題，設(shè)計(jì)了相關(guān)算法、流程和仿真實(shí)驗(yàn)，并提出了一些合理化的建議，為大數(shù)據(jù)分析與在相關(guān)行業(yè)的應(yīng)用提供了參考。

作者簡介

　　鄧維斌：男，1978年生，中共黨員，博士，教授，碩士生導(dǎo)師，交通部交通運(yùn)輸青年科技英才，Queensland University of Technology、Poznan University of Technology訪問學(xué)者。現(xiàn)任重慶郵電大學(xué)郵政研究院副院長，重慶市人工智能學(xué)會(huì)理事，國際粗糙集學(xué)會(huì)（IRSS）會(huì)員。主要從事大數(shù)據(jù)分析、不確定性決策、現(xiàn)代物流與快遞服務(wù)等方面的研究。近年來主持和參與了包括國家重點(diǎn)研發(fā)計(jì)劃、國家自然科學(xué)基金和社會(huì)科會(huì)基金等項(xiàng)目10余項(xiàng)，承擔(dān)和參與了國家郵政管理局、重慶市發(fā)展委、渝中區(qū)、巴南區(qū)等委托的各類橫向合作課題20余項(xiàng)；在Fundamenta Informaticae、《計(jì)算機(jī)學(xué)報(bào)》《系統(tǒng)工程理論與實(shí)踐》等SCI、權(quán)威期刊等發(fā)表研究論文50余篇；在科學(xué)出版社、電子工業(yè)出版社等出版專著和教材7部。

圖書目錄

目錄
第1章大數(shù)據(jù)處理概述\t1
1．1 大數(shù)據(jù)的定義\t1
1．2 大數(shù)據(jù)帶來的挑戰(zhàn)與機(jī)遇\t3
1．3 大數(shù)據(jù)研究的現(xiàn)狀\t5
1．3．1 大數(shù)據(jù)處理平臺(tái)\t5
1．3．2 大數(shù)據(jù)處理算法\t6
1．3．3 大數(shù)據(jù)應(yīng)用研究\t9
1．4 大數(shù)據(jù)研究的挑戰(zhàn)與趨勢(shì)\t10
1．5 本章小結(jié)\t11
參考文獻(xiàn)\t12
第2章 Spark點(diǎn)排序識(shí)別聚類結(jié)構(gòu)算法\t19
2．1 引言\t19
2．2 點(diǎn)排序識(shí)別聚類結(jié)構(gòu)算法\t21
2．3 Spark并行內(nèi)存計(jì)算框架\t23
2．4 基于Spark的OPTICS算法\t25
2．5 仿真實(shí)驗(yàn)與結(jié)果分析\t27
2．5．1 度量標(biāo)準(zhǔn)\t27
2．5．2 數(shù)據(jù)集與運(yùn)行環(huán)境\t28
2．5．3 實(shí)驗(yàn)方法\t29
2．5．4 實(shí)驗(yàn)結(jié)果與分析\t29
2．6 本章小結(jié)\t32
參考文獻(xiàn)\t33
第3章 Spark標(biāo)簽校準(zhǔn)排序多標(biāo)簽算法\t35
3．1 引言\t35
3．2 校準(zhǔn)標(biāo)簽排序算法與并行化研究\t36
3．2．1 校準(zhǔn)標(biāo)簽排序算法介紹\t36
3．2．2 校準(zhǔn)標(biāo)簽排序算法研究現(xiàn)狀\t37
3．3 樸素貝葉斯校準(zhǔn)標(biāo)簽排序方法\t37
3．3．1 樸素貝葉斯概率模型\t37
3．3．2 樸素貝葉斯校準(zhǔn)標(biāo)簽排序算法\t38
3．3．3 仿真實(shí)驗(yàn)與結(jié)果分析\t40
3．4 樸素貝葉斯校準(zhǔn)標(biāo)簽排序方法的并行化研究\t44
3．4．1 Spark并行化內(nèi)存計(jì)算\t44
3．4．2 樸素貝葉斯校準(zhǔn)標(biāo)簽排序算法的并行化研究\t45
3．4．3 仿真實(shí)驗(yàn)與結(jié)果分析\t47
3．5 本章小結(jié)\t51
參考文獻(xiàn)\t52
第4章不平衡數(shù)據(jù)的樣本權(quán)重欠采樣方法\t54
4．1 引言\t54
4．2 不平衡數(shù)據(jù)處理的相關(guān)方法\t55
4．2．1 K-means聚類算法\t55
4．2．2 AdaCost算法\t56
4．2．3 Bagging算法\t58
4．3 基于樣本權(quán)重的欠采樣方法\t59
4．3．1 樣本權(quán)重的確定\t59
4．3．2 分類器加權(quán)投票\t60
4．4 仿真實(shí)驗(yàn)與結(jié)果分析\t61
4．4．1 分類的評(píng)價(jià)方法\t61
4．4．2 非參數(shù)統(tǒng)計(jì)檢驗(yàn)方法\t62
4．4．3 UCI數(shù)據(jù)集檢驗(yàn)\t63
4．5 本章小結(jié)\t67
參考文獻(xiàn)\t68
第5章不平衡數(shù)據(jù)的三支決策過采樣算法\t70
5．1 引言\t70
5．2 三支決策粗糙集\t71
5．2．1 鄰域模型\t71
5．2．2 鄰域三支決策模型\t71
5．3 不平衡數(shù)據(jù)的三支決策過采樣算法\t74
5．3．1 算法思路\t74
5．3．2 算法描述與分析\t76
5．4 仿真實(shí)驗(yàn)與結(jié)果分析\t77
5．4．1 數(shù)據(jù)集選擇\t77
5．4．2 實(shí)驗(yàn)方法\t78
5．4．3 實(shí)驗(yàn)結(jié)果分析\t79
5．5 本章小結(jié)\t84
參考文獻(xiàn)\t84
第6章三支決策主動(dòng)學(xué)習(xí)方法\t87
6．1 引言\t87
6．2 主動(dòng)學(xué)習(xí)理論\t88
6．2．1 主動(dòng)學(xué)習(xí)工作機(jī)制\t88
6．2．2 主動(dòng)學(xué)習(xí)方法的分類\t88
6．3 三支決策主動(dòng)學(xué)習(xí)\t89
6．3．1 對(duì)冗余信息的刪減\t89
6．3．2 對(duì)無標(biāo)簽樣本的區(qū)域劃分\t90
6．3．3 對(duì)不同區(qū)域樣本的處理\t91
6．3．4 算法描述\t92
6．4 仿真實(shí)驗(yàn)與結(jié)果分析\t95
6．4．1 數(shù)據(jù)集選擇\t95
6．4．2 實(shí)驗(yàn)方法\t95
6．4．3 實(shí)驗(yàn)結(jié)果分析\t96
6．5 本章小結(jié)\t100
參考文獻(xiàn)\t100
第7章鄰域粗糙集主動(dòng)學(xué)習(xí)方法\t104
7．1 引言\t104
7．2 鄰域粗糙集基本理論\t104
7．3 鄰域粗糙集主動(dòng)學(xué)習(xí)算法\t106
7．3．1 算法思路\t106
7．3．2 算法描述\t109
7．4 仿真實(shí)驗(yàn)與結(jié)果分析\t110
7．4．1 數(shù)據(jù)集與實(shí)驗(yàn)方法\t110
7．4．2 結(jié)果與分析\t111
7．5 本章小結(jié)\t117
參考文獻(xiàn)\t118
第8章決策熵增量學(xué)習(xí)方法\t120
8．1 引言\t120
8．2 粗糙集的基本概念\t121
8．3 決策熵增量知識(shí)獲取算法\t123
8．3．1 算法復(fù)雜度分析\t126
8．3．2 實(shí)例分析\t126
8．4 仿真實(shí)驗(yàn)與結(jié)果分析\t128
8．4．1 UCI數(shù)據(jù)集測試\t128
8．4．2 KDDCUP99數(shù)據(jù)集測試\t130
8．4．3 KDDCUP99數(shù)據(jù)集連續(xù)增量測試\t130
8．5 本章小結(jié)\t131
參考文獻(xiàn)\t131
第9章 MapReduce并行增量FP-Growth算法\t133
9．1 引言\t133
9．2 MapReduce編程模型與Hadoop平臺(tái)\t135
9．2．1 MapReduce編程模型\t135
9．2．1 Hadoop平臺(tái)介紹\t136
9．3 MapReduce增量FP-Growth算法\t138
9．3．1 增量學(xué)習(xí)\t138
9．3．2 FP-Growth算法\t139
9．3．3 MapReduce并行FP-Growth算法\t140
9．3．4 MapReduce并行增量FP-Growth算法\t141
9．4 仿真實(shí)驗(yàn)與結(jié)果分析\t143
9．4．1 MapReduce并行增量FP-Growth算法單機(jī)效率測試\t143
9．4．2 MapReduce并行增量FP-Growth算法集群效率測試\t143
9．4．3 Mapreduce并行增量FP-Growth算法性能測試\t146
9．5 本章小結(jié)\t149
參考文獻(xiàn)\t149
第10章電信客戶價(jià)值評(píng)價(jià)\t151
10．1 引言\t151
10．2 客戶價(jià)值與評(píng)價(jià)\t152
10．2．1 客戶價(jià)值的概念\t152
10．2．2 電信客戶價(jià)值與評(píng)價(jià)\t153
10．3 優(yōu)勢(shì)關(guān)系粗糙集的基本概念\t155
10．4 領(lǐng)域及數(shù)據(jù)驅(qū)動(dòng)的數(shù)據(jù)挖掘模型\t156
10．4．1 數(shù)據(jù)驅(qū)動(dòng)的數(shù)據(jù)挖掘\t156
10．4．2 領(lǐng)域驅(qū)動(dòng)的數(shù)據(jù)挖掘\t157
10．4．3 面向領(lǐng)域的數(shù)據(jù)驅(qū)動(dòng)的數(shù)據(jù)挖掘\t158
10．5 領(lǐng)域及數(shù)據(jù)驅(qū)動(dòng)的電信客戶價(jià)值評(píng)價(jià)方法\t159
10．5．1 電信客戶價(jià)值評(píng)價(jià)的特征提取\t159
10．5．2 電信客戶價(jià)值評(píng)價(jià)流程\t161
10．5．3 電信客戶價(jià)值評(píng)價(jià)算法\t162
10．6 仿真實(shí)驗(yàn)\t163
10．6．1 算法效果驗(yàn)證\t163
10．6．2 算法應(yīng)用\t165
10．7 本章小結(jié)\t167
參考文獻(xiàn)\t167
第11章電信客戶換機(jī)預(yù)測\t171
11．1 引言\t171
11．2 優(yōu)勢(shì)關(guān)系粗糙集換機(jī)預(yù)測方法\t172
11．2．1 算法描述\t172
11．2．2 仿真實(shí)驗(yàn)\t174
11．3 數(shù)據(jù)驅(qū)動(dòng)的電信客戶換機(jī)預(yù)測方法\t179
11．3．1 手機(jī)客戶特征提取\t179
11．3．2 算法描述\t180
11．3．3 仿真實(shí)驗(yàn)\t182
11．4 本章小結(jié)\t185
參考文獻(xiàn)\t186
第12章電信客戶流失預(yù)測\t188
12．1 引言\t188
12．2 C4．5決策樹及其改進(jìn)算法\t189
12．2．1 C4．5決策樹\t189
12．2．2 改進(jìn)C4．5決策樹算法\t190
12．3 改進(jìn)C4．5決策樹不平衡數(shù)據(jù)抽樣方法\t191
12．3．1 算法思路\t191
12．3．2 算法描述\t192
12．4 實(shí)驗(yàn)與結(jié)果分析\t193
12．4．1 電信客戶流失預(yù)測流程\t194
12．4．2 實(shí)驗(yàn)數(shù)據(jù)選擇\t195
12．2．3 實(shí)驗(yàn)結(jié)果與分析\t196
12．5 本章小結(jié)\t198
參考文獻(xiàn)\t198